Джей Ферро, главный информационный, технологический и продуктовый офицер Clario – Интервью

Джей Ферро является главным информационным, технологическим и продуктовым офицером в Clario, он имеет более 25 лет опыта руководства информационными технологиями и командами продукта, с сильным акцентом на защите данных и страстью к созданию технологий и продуктов, которые оказывают значительное влияние.

До того, как присоединиться к Clario, Джей занимал старшие руководящие должности, включая должности CIO, CTO и CPO, в глобальных организациях, таких как Quikrete Companies и American Cancer Society. Он также является членом совета директоров Allata, LLC. Его профессиональные достижения были признаны несколько раз, включая награды от Atlanta Technology Professionals как исполнительный лидер года и HMG Strategy как CIO среднего бизнеса года.

Clario является лидером в управлении клиническими испытаниями, предлагая комплексные технологии конечных точек для трансформации жизни посредством надежной и точной генерации доказательств. Специализируясь на онкологических испытаниях, Clario подчеркивает результаты, сообщенные пациентами (PRO), для улучшения эффективности, обеспечения безопасности и повышения качества жизни, выступая за электронные PRO как более экономически эффективную альтернативу бумаге. С опытом, охватывающим терапевтические области и глобальное нормативное соответствие, Clario поддерживает децентрализованные, гибридные и основанные на сайте испытания в более чем 100 странах, используя передовые технологии, такие как искусственный интеллект и подключенные устройства. Их решения оптимизируют процессы испытаний, обеспечивая соответствие и удержание посредством интегрированной поддержки и обучения для пациентов и спонсоров.

Clario интегрировала более 30 моделей ИИ на различных этапах клинических испытаний. Можете ли вы предоставить примеры того, как эти модели улучшают конкретные аспекты испытаний, такие как онкология или кардиология?

Мы используем наши модели ИИ для предоставления скорости, качества, точности и конфиденциальности нашим клиентам в более чем 800 клинических испытаниях. Я горжусь тем, что наши инструменты не являются просто частью цикла ИИ – они доставляют реальную ценность нашим клиентам в этих испытаниях.

Сегодня наши модели ИИ в основном делятся на четыре категории: защита данных, помощь в контроле качества, помощь в чтении и анализ чтения. Например, у нас есть инструменты в медицинской визуализации, которые могут автоматически удалять личную идентифицирующую информацию (PII) в статических изображениях, видео или PDF. Мы также используем инструменты ИИ, которые доставляют данные с быстрой оценкой качества при загрузке – поэтому существует большая уверенность в этих данных. Мы разработали инструмент, который непрерывно контролирует качество сигнала ЭКГ, и другой, который подтверждает правильные идентификаторы пациентов. Мы разработали инструмент, который помогает чтению, позволяя предсказать срез, распространение опухоли и обнаружение заболевания. Кроме того, мы улучшили анализ чтения, автоматизируя и стандартизируя интерпретацию данных с помощью инструментов, таких как поддержка ИИ количественной оценки язвенного колита по шкале Мэйо.

Это лишь несколько примеров типов моделей ИИ, которые мы разрабатываем с 2018 года, и хотя мы добились значительного прогресса, мы только начинаем.

Как Clario обеспечивает, чтобы ИИ-обоснованные идеи сохраняли высокую точность и последовательность в различных средах испытаний?

Мы постоянно обучаем наши модели ИИ на огромных объемах данных, чтобы понять разницу между хорошими данными и данными, которые не являются хорошими или актуальными. В результате наш ИИ-анализ данных обнаруживает, предварительно анализирует богатые истории данных и в конечном итоге приводит к более высококачественным результатам для наших клиентов.

Наши решения для спирометрии прекрасно иллюстрируют, почему мы это делаем. Клиницисты используют спирометрию для помощи в диагностике и мониторинге определенных заболеваний легких, измеряя, сколько воздуха пациент может выдохнуть за один вынужденный вдох. Существует множество ошибок, которые могут возникнуть, когда пациент использует спирометр. Они могут выполнить тест слишком медленно, кашлять во время тестирования или не смогут сделать полный герметик вокруг мундштука спирометра. Любая из этих переменных может вызвать ошибку, которая может не быть обнаружена до тех пор, пока человек не проанализирует результаты. Мы обучили глубокие модели обучения на более чем 50 000 примеров, чтобы узнать разницу между хорошим чтением и плохим чтением. С нашими устройствами и алгоритмами клиницисты могут увидеть ценность данных в режиме реального времени, а не ждать человеческого анализа. Это имеет значение, поскольку некоторые пациенты могут ехать несколько часов, чтобы участвовать в клиническом испытании. Представьте, что вы едете это расстояние домой от сайта, только чтобы узнать, что вам придется пройти еще один тест на спирометрию на следующей неделе, потому что первый показал ошибку. Наши модели ИИ доставляют точные повторные чтения, пока пациент еще находится на сайте. Если есть ошибка, ее можно исправить на месте. Это только один из способов, которыми мы работаем над снижением нагрузки на сайты и пациентов.

Можете ли вы рассказать о том, как модели ИИ Clario снижают время сбора данных без ущерба для качества данных?

Генерация данных самого высокого качества для клинических испытаний всегда является нашим приоритетом, но природа наших алгоритмов ИИ означает, что захват и анализ ускоряются значительно. Как я упоминал, наши алгоритмы позволяют нам проводить анализ качества быстрее и с более высоким уровнем точности, чем человеческая интерпретация. Они также позволяют нам проводить проверки качества при вводе данных. Это означает, что мы можем выявить пропущенные, ошибочные или низкокачественные данные пациентов, пока пациент еще находится на сайте испытания, а не сообщать об этом через несколько дней или недель.

Как Clario решает проблемы децентрализованных и гибридных испытаний, особенно в плане защиты данных, вовлечения пациентов и качества данных?

В наши дни децентрализованное испытание – это фактически испытание с гибридным компонентом. Я думаю, что концепция использования пациентами своих собственных устройств или подключенных устройств дома открывает двери к большим возможностям в испытаниях, особенно в плане доступности. Сделать испытания проще для участия – это ключевой фокус нашей технологической дорожной карты, которая направлена на разработку решений, которые улучшают разнообразие пациентов, оптимизируют набор и удержание, увеличивают удобство для участников и расширяют возможности для более инклюзивных клинических испытаний. Мы предлагаем спирометрию на дому, измерение артериального давления на дому, электронные оценки результатов лечения (eCOA) и другие решения, которые доставляют ту же целостность данных, что и более традиционные решения, и мы делаем это в сотрудничестве с надзором наших экспертов по конечным точкам и терапевтическим областям. Результатом является лучший опыт для пациентов для лучших данных конечных точек.

Какие уникальные преимущества предлагает подход Clario, основанный на ИИ, для снижения сроков испытаний и затрат для фармацевтических, биотехнологических и медицинских компаний?

Мы разрабатываем инструменты ИИ с 2018 года, и они проникли во все, что мы делаем внутри и, конечно, во всю нашу линейку продуктов. И то, что никогда не покидало нас, – это обеспечение того, чтобы мы делали это ответственно: сохраняя людей в цикле, сотрудничая с регулирующими органами, сотрудничая с нашими клиентами и включая наши юридические, нормативные и научные команды, чтобы убедиться, что мы делаем все правильно.

Ответственное развитие и развертывание ИИ должно положительно повлиять на наших клиентов различными способами. Основой нашей программы ИИ является то, что, по нашему мнению, является первой в отрасли Принципами ответственного использования. Каждый, кто в Clario работает с ИИ, следует этим пяти принципам. Среди них мы принимаем все меры, чтобы убедиться, что мы используем наиболее разнообразные данные, доступные для обучения наших алгоритмов. Мы отслеживаем и тестируем, чтобы обнаружить и смягчить риски, и мы используем только анонимизированные данные для обучения моделей и алгоритмов. Когда мы применяем такие рекомендации при разработке нового инструмента ИИ, мы можем быстро доставлять точные данные – в масштабе – которые снижают предвзятость, увеличивают разнообразие и защищают конфиденциальность пациентов. Чем быстрее мы можем доставить точные данные спонсорам, тем больше влияние на их финансовые показатели и, в конечном итоге, на результаты для пациентов.

Модели ИИ иногда могут отражать предвзятости, присущие данным. Какие меры принимает Clario, чтобы обеспечить справедливый и беспристрастный анализ данных в испытаниях?

Мы знаем, что предвзятость возникает, когда набор данных для обучения слишком ограничен для его предполагаемого использования. Первоначально набор данных может показаться достаточным, но когда конечный пользователь начинает использовать инструмент и толкает ИИ за пределы того, на что он был обучен, это может привести к ошибкам. Chief Medical Officer Clario, доктор Тодд Рудо, иногда использует этот пример: мы можем обучить модель для определения правильного положения электродов в электрокардиограммах (ЭКГ), чтобы клиницисты могли сказать, поставили ли техники электроды в правильные места на теле пациента. У нас есть тонны отличных данных, чтобы обучить эту модель на 100 000 ЭКГ. Но что происходит, если мы обучим нашу модель ИИ только на данных из взрослых тестов? Как модель отреагирует, если ЭКГ будет сделана на 2-летнем пациенте? Очевидно, что она потенциально может пропустить ошибки, которые влияют на лечение.

Поэтому в Clario наши команды продукта, данных, исследований и разработок, а также научные команды тесно сотрудничают, чтобы убедиться, что мы используем наиболее полные данные для обучения, чтобы обеспечить точность и надежность в реальных приложениях. Мы используем наиболее разнообразные данные, доступные для обучения алгоритмов, включенных в наши продукты. Это также причина, по которой мы настаиваем на использовании человеческого надзора для смягчения рисков во время разработки и использования ИИ.

Как процесс человеческого надзора и мониторинга Clario интегрируется с выводами ИИ, чтобы обеспечить нормативное соответствие и этические стандарты?

Человеческий надзор означает, что у нас есть команды людей, которые знают точно, как наши модели разработаны, обучены и проверены. И во время разработки, и после того, как мы интегрировали модель в технологию, наши эксперты отслеживают выводы, чтобы обнаружить потенциальную предвзятость и обеспечить, чтобы выводы были справедливыми и надежными. Я считаю, что ИИ – это о том, чтобы дополнить науку и человеческий гений. ИИ дает людям возможность сосредоточиться на более высоком уровне сложности. Мы невероятно хороши в решении проблем и все еще намного лучше, чем машины, в интуиции и нюансах. В Clario мы используем ИИ, чтобы избавиться от бремени повторяющихся задач. Мы используем его для анализа широких наборов данных, будь то изображения пациентов, предыдущие испытания или любой другой анализ, который мы хотим выполнить. Обычно машины могут делать это быстрее, и в некоторых случаях лучше, чем люди могут. Но они не могут заменить человеческую интуицию и науку, а также опыт реального мира, который замечательные люди в нашей отрасли имеют.

Как вы представляете себе влияние ИИ на клинические испытания в ближайшие несколько лет, особенно в таких областях, как онкология, кардиология и исследования дыхательных путей?

В онкологии я взволнован перспективой развития применения ИИ в радиомике, который извлекает количественные метрики из медицинских изображений. Радиомика включает в себя несколько шагов, включая получение изображений опухолей, предварительную обработку изображений, извлечение признаков и разработку модели, за которой следует проверка и клиническое применение. С помощью все более совершенных инструментов ИИ мы сможем предсказать поведение опухоли, адаптировать ответ на лечение и предвидеть результаты для пациентов на основе неинвазивной визуализации опухолей. Мы сможем использовать его для обнаружения ранних признаков заболевания и раннего обнаружения рецидива заболевания. По мере того, как более совершенные инструменты ИИ станут более интегрированными в радиомику и клинические рабочие процессы, мы увидим巨альные шаги в онкологии и уходе за пациентами.

Я также взволнован будущим исследований дыхательных путей. В этом году мы приобрели ArtiQ, бельгийскую компанию, которая разработала модели ИИ для улучшения сбора данных о дыхании в клинических испытаниях. Ее основатель теперь является моим главным офицером ИИ, и мы ожидаем больших дел в решениях для дыхательных путей. Наш подход к применению алгоритмов стал игроком, не в последнюю очередь потому, что он помогает снижать нагрузку на пациентов и сайты. Когда данные об выдохе не анализируются в режиме реального времени, и аномалия обнаруживается позже, это заставляет пациента вернуться в клинику для еще одного теста на спирометрию. Это не только добавляет стресс для пациента, но также может создать задержки и дополнительные затраты для спонсора испытания, что приводит к различным операционным проблемам. Наши новые устройства для спирометрии используют модели ArtiQ для решения этой проблемы, предлагая повторные чтения в режиме реального времени. Это означает, что если возникнут какие-либо проблемы, они будут выявлены и решены сразу, пока пациент еще находится в клинике.

Наконец, мы разрабатываем инструменты, которые будут иметь влияние на различные терапевтические области. Скоро, например, мы увидим, как ИИ доставляет все больше ценности в электронных клинических оценках результатов лечения (eCOA). Мы увидим модели ИИ, которые захватывают и измеряют тонкие изменения, испытываемые пациентами. Эта технология поможет многим исследователям, но, например, исследователям Альцгеймера, чтобы понять, на какой стадии заболевания находится пациент. С таким знанием можно лучше оценить эффективность лекарства, а пациенты и их опекуны могут быть лучше подготовлены к управлению заболеванием.

Какую роль, по вашему мнению, ИИ будет играть в расширении разнообразия в клинических испытаниях и улучшении здоровья в популяциях пациентов?

Если вы смотрите на ИИ только через техническую призму, я думаю, вы попадаете в ловушку. ИИ нужно подходить с всех сторон: технологий, науки, нормативных и так далее. В нашей отрасли истинное совершенство достигается только через человеческое сотрудничество, которое расширяет возможность задавать правильные вопросы, такие как: “Обучаем ли мы модели, которые учитывают возраст, пол, гендер, расу и этническую принадлежность?” Если все остальные в нашей отрасли задают эти типы вопросов перед разработкой инструментов, ИИ не только ускорит разработку лекарств, но и ускорит ее для всех популяций пациентов.

Можете ли вы поделиться планами или прогнозами Clario относительно эволюции ИИ в секторе клинических испытаний в 2025 году и далее?

В 2025 году мы увидим, как биофарма использует ИИ и анализ в реальном времени как никогда раньше. Эти достижения оптимизируют клинические испытания и повысят принятие решений. Ускоряя построение испытаний и реализуя мониторинг на основе рисков, мы сможем ускорить сроки, облегчить нагрузку на пациентов и позволить спонсорам доставлять спасающие жизни методы лечения с большей точностью и эффективностью. Это захватывающее время для всех нас, когда мы работаем вместе, чтобы трансформировать здравоохранение.

Благодарим за отличное интервью, читатели, которые хотят узнать больше, должны посетить Clario.